Analisi bibliometrica - docenti del DMIF
Introduzione
Che cosa è la bibliometria?
La bibliometria è l’applicazione dell’analisi quantitativa e della statistica alle pubblicazioni, come gli articoli delle riviste, e ai relativi conteggi delle citazioni. La valutazione quantitativa dei dati relativi alle pubblicazioni e alle citazioni è oggi utilizzata in quasi tutti i campi scientifici per valutare la crescita, la maturità, gli autori di punta, le mappe concettuali e intellettuali, le tendenze di una comunità scientifica.
La bibliometria è utilizzata anche nella valutazione delle prestazioni della ricerca, soprattutto nei laboratori universitari e governativi, e anche da responsabili politici, direttori e amministratori della ricerca, specialisti dell’informazione e bibliotecari, e dagli stessi studiosi.
La libreria Bibliometrix supporta l’analisi di questi dati in 3 punti chiave:
importazione e conversione ad un formato adatto ad R;
analisi bibliometrica di base di un dataset di pubblicazioni;
costruzione matrici per l’analisi di co-citazioni, accoppiamenti, collaborazioni e co-parole. Le matrici sono i dati di input per eseguire l’analisi delle reti, l’analisi delle corrispondenze multiple e qualsiasi altra tecnica di riduzione dei dati.
Fonte dei dati
I dati analizzati in questo progetto sono stati scaricati da Scopus, uno dei principali dabatase bibliografici. Sono stati selezionati 31 autori del DMIF, tra docenti e dottorandi.
Ogni entry del dataframe contiene, per ogni articolo: la lista di autori, il titolo del documento, la sorgente di pubblicazione, il tipo di documento, le parole chiavi degli autori, le references, il numero di citazioni, l’anno…
Analisi bibliometrica
Analisi descrittiva dataframe
Il primo passo consiste nell’effettuare un’analisi descrittiva dei dati bibliografici.
La funzione biblioAnalysis calcola le principali misure bibliometriche e ritorna un oggetto della classe “bibliometrix”.
Functions summary and plot
Per riassumere i risultati principali dell’analisi bibliometrica, utilizzare la funzione generica summary. Essa visualizza le informazioni principali sulla struttura dei dati bibliografici e diverse tabelle, come la produzione scientifica annuale, i principali manoscritti per numero di citazioni, gli autori più produttivi, i Paesi più produttivi, le citazioni totali per Paese, le fonti più rilevanti (riviste) e le parole chiave più rilevanti.
La tabella delle informazioni principali descrive le dimensioni della raccolta in termini di numero di documenti, numero di autori, numero di fonti, numero di parole chiave, durata e numero medio di citazioni.
Inoltre, vengono mostrati diversi indici di co-autorialità. In particolare, l’indice Autori per articolo è calcolato come rapporto tra il numero totale di autori e il numero totale di articoli. L’indice Co-Autori per articolo è calcolato come numero medio di co-autori per articolo. In questo caso, l’indice tiene conto delle presenze degli autori, mentre per gli “autori per articolo” un autore, anche se ha pubblicato più di un articolo, viene conteggiato una sola volta. Per questo motivo, l’indice Autori per articolo ≤ Coautori per indice di articolo.
L’indice di collaborazione (CI) è calcolato come Totale autori di articoli con più autori/Totale articoli con più autori (Elango e Rajendran, 2012; Koseoglu, 2016). In altre parole, l’indice di collaborazione è un indice di coautori per articolo calcolato solo sulla serie di articoli con più autori.
(cose kaggle) Sebbene la bibliometria sia nota soprattutto per quantificare la produzione scientifica e misurarne la qualità e l’impatto, è utile anche per visualizzare e analizzare le strutture intellettuali, concettuali e sociali della ricerca, nonché la loro evoluzione e gli aspetti dinamici.
In questo modo, la bibliometria mira a descrivere come sono strutturate specifiche discipline, domini scientifici o campi di ricerca e come si evolvono nel tempo. In altre parole, i metodi bibliometrici aiutano a mappare la scienza (la cosiddetta mappatura della scienza) e sono molto utili nel caso della sintesi delle ricerche, soprattutto per quelle sistematiche.
La bibliometria è una scienza accademica fondata su un insieme di metodi statistici che possono essere utilizzati per analizzare quantitativamente i big data scientifici e la loro evoluzione nel tempo e scoprire informazioni. La struttura di rete è spesso utilizzata per modellare l’interazione tra autori, documenti/articoli, riferimenti, parole chiave, ecc.
Bibliometrix è un software open-source per automatizzare le fasi di analisi e visualizzazione dei dati. Dopo aver convertito e caricato i dati bibliografici in R, Bibliometrix esegue un’analisi descrittiva e diverse analisi della struttura della ricerca.
L’analisi descrittiva fornisce alcune istantanee sullo sviluppo annuale della ricerca, i primi “k” autori produttivi, i documenti, i Paesi e le parole chiave più rilevanti.
MAIN INFORMATION ABOUT DATA
Timespan 1987 : 2024
Sources (Journals, Books, etc) 386
Documents 1251
Annual Growth Rate % 5.78
Document Average Age 11
Average citations per doc 13.63
Average citations per year per doc 1.157
References 28512
DOCUMENT TYPES
article 446
book 1
book chapter 41
conference paper 703
data paper 1
editorial 40
erratum 2
note 1
review 15
short survey 1
DOCUMENT CONTENTS
Keywords Plus (ID) 6244
Author's Keywords (DE) 1972
AUTHORS
Authors 1012
Author Appearances 4233
Authors of single-authored docs 17
AUTHORS COLLABORATION
Single-authored docs 77
Documents per Author 1.24
Co-Authors per Doc 3.38
International co-authorships % 32.93
Annual Scientific Production
Year Articles
1987 1
1988 1
1989 1
1990 1
1991 3
1993 4
1994 5
1995 12
1996 7
1997 10
1998 11
1999 9
2000 15
2001 17
2002 25
2003 23
2004 44
2005 29
2006 35
2007 49
2008 54
2009 60
2010 46
2011 44
2012 40
2013 32
2014 50
2015 58
2016 55
2017 60
2018 85
2019 59
2020 73
2021 62
2022 76
2023 87
2024 8
Annual Percentage Growth Rate 5.78
Most Productive Authors
Authors Articles Authors Articles Fractionalized
1 MONTANARI A 196 CHITTARO L 77.7
2 CHITTARO L 161 MONTANARI A 57.5
3 MIZZARO S 130 MIZZARO S 41.0
4 DOVIER A 118 POLICRITI A 39.8
5 POLICRITI A 109 DOVIER A 39.8
6 MICULAN M 83 MICULAN M 37.4
7 PIAZZA C 81 PIAZZA C 26.6
8 PICIARELLI C 57 LANCIA G 26.1
9 FORESTI GL 56 FRANCESCHET M 22.3
10 FONTANA F 55 BRAJNIK G 21.2
11 LANCIA G 55 FONTANA F 17.4
12 PONTELLI E 55 FORMISANO A 17.2
13 FORMISANO A 54 PICIARELLI C 16.8
14 SALA P 52 PONTELLI E 15.3
15 SCIAVICCO G 52 FORESTI GL 15.3
Top manuscripts per citations
Paper DOI TC TCperYear NTC
1 CORNIA M, 2018, IEEE TRANS IMAGE PROCESS 10.1109/TIP.2018.2851672 385 55.00 26.76
2 CHITTARO L, 2007, COMPUT EDUC 10.1016/j.compedu.2005.06.002 286 15.89 11.90
3 BUTTUSSI F, 2018, IEEE TRANS VISUAL COMPUT GRAPHICS 10.1109/TVCG.2017.2653117 276 39.43 19.18
4 CHITTARO L, 2015, IEEE TRANS VISUAL COMPUT GRAPHICS 10.1109/TVCG.2015.2391853 250 25.00 15.76
5 CHITTARO L, 2006, COMPUTER 10.1109/MC.2006.109 248 13.05 7.72
6 NADALIN F, 2012, BMC BIOINFORM 10.1186/1471-2105-13-S14-S8 245 18.85 13.74
7 PICIARELLI C, 2006, PATTERN RECOGN LETT 10.1016/j.patrec.2006.02.004 218 11.47 6.79
8 JENSEN CS, 1998, LECT NOTES COMPUT SCI 10.1007/bfb0053710 218 8.07 4.52
9 FRANCESCHET M, 2010, J INF 10.1016/j.joi.2010.06.003 182 12.13 6.45
10 FRANCESCHET M, 2010, SCIENTOMETRICS 10.1007/s11192-009-0021-2 172 11.47 6.10
11 FRANCESCHET M, 2011, COMMUN ACM 10.1145/1953122.1953146 137 9.79 6.72
12 MIZZARO S, 1998, INTERACT COMPUT 10.1016/S0953-5438(98)00012-5 136 5.04 2.82
13 BUTTUSSI F, 2008, ARTIF INTELL MED 10.1016/j.artmed.2007.11.004 127 7.47 7.45
14 BURIGAT S, 2007, INT J HUM COMPUT STUD 10.1016/j.ijhcs.2007.07.003 123 6.83 5.12
15 DOVIER A, 2004, THEOR COMPUT SCI 10.1016/S0304-3975(03)00361-X 117 5.57 5.11
Corresponding Author's Countries
Country Articles Freq SCP MCP MCP_Ratio
1 ITALY 630 0.87866 499 131 0.208
2 SWITZERLAND 12 0.01674 0 12 1.000
3 UNITED KINGDOM 11 0.01534 0 11 1.000
4 USA 9 0.01255 0 9 1.000
5 SPAIN 8 0.01116 0 8 1.000
6 DENMARK 7 0.00976 0 7 1.000
7 FRANCE 6 0.00837 0 6 1.000
8 MEXICO 5 0.00697 0 5 1.000
9 NETHERLANDS 5 0.00697 0 5 1.000
10 FINLAND 3 0.00418 0 3 1.000
11 ICELAND 3 0.00418 0 3 1.000
12 AUSTRALIA 2 0.00279 0 2 1.000
13 AUSTRIA 2 0.00279 0 2 1.000
14 CYPRUS 2 0.00279 0 2 1.000
15 GERMANY 2 0.00279 0 2 1.000
SCP: Single Country Publications
MCP: Multiple Country Publications
Total Citations per Country
Country Total Citations Average Article Citations
1 ITALY 10704 16.99
2 DENMARK 224 32.00
3 USA 206 22.89
4 UNITED KINGDOM 195 17.73
5 SPAIN 112 14.00
6 FRANCE 91 15.17
7 MEXICO 80 16.00
8 SOUTH AFRICA 64 64.00
9 CYPRUS 63 31.50
10 NETHERLANDS 57 11.40
11 FINLAND 37 12.33
12 AUSTRALIA 34 17.00
13 SWITZERLAND 30 2.50
14 ICELAND 22 7.33
15 POLAND 22 11.00
Most Relevant Sources
Sources
1 LECTURE NOTES IN COMPUTER SCIENCE (INCLUDING SUBSERIES LECTURE NOTES IN ARTIFICIAL INTELLIGENCE AND LECTURE NOTES IN BIOINFORMATICS)
2 CEUR WORKSHOP PROCEEDINGS
3 THEORETICAL COMPUTER SCIENCE
4 LEIBNIZ INTERNATIONAL PROCEEDINGS IN INFORMATICS LIPICS
5 ACM INTERNATIONAL CONFERENCE PROCEEDING SERIES
6 ELECTRONIC PROCEEDINGS IN THEORETICAL COMPUTER SCIENCE EPTCS
7 ELECTRONIC NOTES IN THEORETICAL COMPUTER SCIENCE
8 EURO ADVANCED TUTORIALS ON OPERATIONAL RESEARCH
9 INFORMATION AND COMPUTATION
10 INTERNATIONAL JOURNAL OF HUMAN COMPUTER STUDIES
11 COMMUNICATIONS IN COMPUTER AND INFORMATION SCIENCE
12 THEORY AND PRACTICE OF LOGIC PROGRAMMING
13 FUNDAMENTA INFORMATICAE
14 JOURNAL OF LOGIC AND COMPUTATION
15 SPRINGERBRIEFS IN COMPUTER SCIENCE
Articles
1 245
2 115
3 31
4 28
5 26
6 25
7 24
8 16
9 15
10 14
11 13
12 13
13 12
14 10
15 10
Most Relevant Keywords
Author Keywords (DE) Articles Keywords-Plus (ID) Articles
1 EVALUATION 30 COMPUTER CIRCUITS 121
2 MODEL CHECKING 26 SEMANTICS 99
3 MOBILE DEVICES 24 LOGIC PROGRAMMING 96
4 VIRTUAL REALITY 24 TEMPORAL LOGIC 95
5 INTERVAL TEMPORAL LOGIC 21 ARTIFICIAL INTELLIGENCE 91
6 CROWDSOURCING 18 INFORMATION RETRIEVAL 71
7 DEEP LEARNING 18 AUTOMATA THEORY 68
8 COMPLEXITY 17 INTERVAL TEMPORAL LOGIC 67
9 DECIDABILITY 15 ALGORITHMS 64
10 BISIMULATION 14 COMPUTABILITY AND DECIDABILITY 61
11 MACHINE LEARNING 14 MODEL CHECKING 60
12 ANSWER SET PROGRAMMING 13 COMPUTER SCIENCE 55
13 COMPUTATIONAL COMPLEXITY 13 VIRTUAL REALITY 55
14 TREC 13 FORMAL LOGIC 52
15 TRAINING 12 COMPUTATION THEORY 50descrivere questi grafici
Documenti per tipo
DT n
1 CONFERENCE PAPER 703
2 ARTICLE 446
3 BOOK CHAPTER 41
4 EDITORIAL 40
5 REVIEW 15
6 ERRATUM 2
7 BOOK 1
8 DATA PAPER 1
9 NOTE 1
10 SHORT SURVEY 1il tipo piu presente è il conference paper, seguito da articoli e capitoli di libro
Analisi dei riferimenti citati
La funzione citazioni genera la tabella di frequenza dei riferimenti più citati o dei primi autori più citati (dei riferimenti). (nel senso, sono tutte le references degli articoli della collezione)
Per ogni manoscritto, i riferimenti citati sono in un’unica stringa memorizzata nella colonna “CR” del data frame. Per ottenere i manoscritti più frequentemente citati:
[,1]
MOSZKOWSKI B., REASONING ABOUT DIGITAL CIRCUITS, (1983) 36
ALLEN J.F., MAINTAINING KNOWLEDGE ABOUT TEMPORAL INTERVALS, COMMUNICATIONS OF THE ACM, 26, 11, PP. 832-843, (1983) 32
BRESOLIN D., GORANKO V., MONTANARI A., SCIAVICCO G., PROPOSITIONAL INTERVAL NEIGHBORHOOD LOGICS: EXPRESSIVENESS, DECIDABILITY, AND UNDECIDABLE EXTENSIONS, ANNALS OF PURE AND APPLIED LOGIC, 161, 3, PP. 289-304, (2009) 25
VENEMA Y., A MODAL LOGIC FOR CHOPPING INTERVALS, JOURNAL OF LOGIC AND COMPUTATION, 1, 4, PP. 453-476, (1991) 25
HALPERN J., SHOHAM Y., A PROPOSITIONAL MODAL LOGIC OF TIME INTERVALS, JOURNAL OF THE ACM, 38, 4, PP. 935-962, (1991) 23
VENEMA Y., EXPRESSIVENESS AND COMPLETENESS OF AN INTERVAL TENSE LOGIC, NOTRE DAME JOURNAL OF FORMAL LOGIC, 31, 4, PP. 529-547, (1990) 23
HALPERN J.Y., SHOHAM Y., A PROPOSITIONAL MODAL LOGIC OF TIME INTERVALS, JOURNAL OF THE ACM, 38, 4, PP. 935-962, (1991) 21
HILLSTON J., A COMPOSITIONAL APPROACH TO PERFORMANCE MODELLING, (1996) 18
ALLEN J.F., MAINTAINING KNOWLEDGE ABOUT TEMPORAL INTERVALS, COMMUN. ACM, 26, 11, PP. 832-843, (1983) 17
BRESOLIN D., MONTANARI A., SCIAVICCO G., AN OPTIMAL DECISION PROCEDURE FOR RIGHT PROPOSITIONAL NEIGHBORHOOD LOGIC, JOURNAL OF AUTOMATED REASONING, 38, 1-3, PP. 173-199, (2007) 16vediamo che 2 articoli di Montanari sono tra i più citati
Per ottenere i primi autori più frequentemente citati:
[,1]
MONTANARI A 1100
ET AL 980
SCIAVICCO G 449
DOVIER A 409
MIZZARO S 393
POLICRITI A 380
SALA P 380
CHITTARO L 357
PONTELLI E 348
BRESOLIN D 345
GORANKO V 292
MICULAN M 279
PIAZZA C 253
PERON A 242
MOLINARI A 198vediamo che gli autori più frequentemente citati sono montanari, dovier, mizzaro, policriti etc
La funzione localCitations genera la tabella di frequenza degli autori più citati localmente. Le citazioni locali misurano quante volte un autore (o un documento) incluso in questa raccolta è stato citato da altri autori presenti nella raccolta. Calcola le citazioni locali (LCS) di autori e documenti di una raccolta bibliografica.
Per ottenere gli autori locali più frequentemente citati:
Author LocalCitations
611 MONTANARI A 685
783 SALA P 293
600 MIZZARO S 291
190 CHITTARO L 267
820 SCIAVICCO G 256
116 BRESOLIN D 228
324 DOVIER A 202
693 PERON A 194
766 ROITERO K 189
592 MICULAN M 161
605 MOLINARI A 151
696 PIAZZA C 147
712 POLICRITI A 147
109 BOZZELLI L 146
424 GORANKO V 140Per ottenere gli articoli di questi autori: (LCS local e GCS global)
Paper DOI Year LCS GCS
824 BRESOLIN D, 2010, J LOGIC COMPUT 10.1093/logcom/exn063 2010 33 49
203 ROITERO K, 2020, CEUR WORKSHOP PROC 2020 30 7
208 ROITERO K, 2020, INF PROCESS MANAGE 10.1016/j.ipm.2019.102149 2020 30 7
834 MONTANARI A, 2010, LECT NOTES COMPUT SCI 10.1007/978-3-642-14162-1_29 2010 26 54
981 BRESOLIN D, 2007, J AUTOM REASONING 10.1007/s10817-006-9051-0 2007 26 37
621 BRESOLIN D, 2014, ANN MATH ARTIF INTELL 10.1007/s10472-013-9376-4 2014 25 38
1172 GORANKO V, 2003, J UNIVERS COMPUT SCI 2003 23 64
320 BOZZELLI L, 2018, ACM TRANS COMPUT LOG 10.1145/3281028 2018 22 17
515 MOLINARI A, 2016, ACTA INFORM 10.1007/s00236-015-0250-1 2016 22 42
994 BRESOLIN D, 2007, LECT NOTES COMPUT SCI-a-b 10.1007/978-3-540-70918-3_47 2007 19 29Classifica di dominanza degli autori
La funzione dominanza calcola la classifica di dominanza degli autori come proposto da Kumar & Kumar, 2008.
Gli argomenti della funzione sono: i risultati (oggetto di classe bibliometria) ottenuti da biblioAnalisi; e k (il numero di autori da considerare nell’analisi).
Author Dominance Factor Tot Articles Single-Authored Multi-Authored First-Authored Rank by Articles Rank by DF
1 CHITTARO L 0.54609929 161 20 141 77 2 1
2 DOVIER A 0.34210526 118 4 114 39 4 2
3 PICIARELLI C 0.28571429 57 1 56 16 8 3
4 FONTANA F 0.28301887 55 2 53 15 10 4
5 MICULAN M 0.24358974 83 5 78 19 6 5
6 MONTANARI A 0.13846154 196 1 195 27 1 6
7 POLICRITI A 0.12962963 109 1 108 14 5 7
8 PIAZZA C 0.11111111 81 0 81 9 7 8
9 MIZZARO S 0.09600000 130 5 125 12 3 9
10 FORESTI GL 0.07142857 56 0 56 4 9 10Il fattore di dominanza è un rapporto che indica la frazione di articoli con più autori in cui uno studioso compare come primo autore.
nessuno è stato primo autore di tutti gli articoli pubblicati
H-index degli autori
L’h-index è una metrica a livello di autore che cerca di misurare sia la produttività che l’impatto citazionale delle pubblicazioni di uno scienziato o di uno studioso.
L’indice si basa sull’insieme degli articoli più citati dello scienziato e sul numero di citazioni ricevute in altre pubblicazioni. L’indice è strutturato per quantificare mediante un singolo indice numerico non solo la produzione, ma anche l’influenza di uno scienziato, distinguendolo da chi avesse pubblicato molti articoli ma di scarso interesse.
La funzione Hindex calcola l’indice H degli autori o l’indice H delle fonti e le sue varianti (g-index e m-index) in una raccolta bibliografica.
Gli argomenti della funzione sono: M un data frame bibliografico; campo è un elemento di carattere che definisce l’unità di analisi in termini di autori (campo = “auhtor”) o di fonti (campo = “source”); elementi un vettore di caratteri contenente i nomi degli autori (o delle fonti) per i quali si vuole calcolare l’H-index. L’argomento ha la forma c(“COGNOME1 N”, “COGNOME2 N”,…)
Per calcolare l’h index di … in questa raccolta: NON SERVE
Per calcolare l’h-index dei primi 10 autori più produttivi (in questa raccolta):
Element h_index g_index m_index TC NP PY_start
1 CHITTARO L 39 63 1.1470588 4684 161 1991
2 DOVIER A 18 29 0.6666667 1197 118 1998
3 FONTANA F 8 12 0.5333333 245 55 2010
4 FORESTI GL 14 27 0.7000000 822 56 2005
5 MICULAN M 16 23 0.5161290 695 83 1994
6 MIZZARO S 20 33 0.7142857 1362 130 1997
7 MONTANARI A 22 35 0.6875000 2058 196 1993
8 PIAZZA C 15 27 0.6000000 854 81 2000
9 PICIARELLI C 16 28 0.8000000 901 57 2005
10 POLICRITI A 19 35 0.5428571 1552 109 1990h index piu alto: chittaro, montanari, mizzaro
Produttività dei Top-Autori nel tempo
La funzione AuthorProdOverTime calcola e traccia la produzione degli autori (in termini di numero di pubblicazioni e di citazioni totali all’anno) nel tempo.
Gli argomenti della funzione sono: M un data frame bibliografico; k è il numero di k Top Authors; grafico è una logica. Se grafico=TRUE, la funzione traccia il grafico della produzione degli autori nel tempo.
vediamo che nel 2017 mizzaro ha pubblicato ben 19 articoli
Author year freq TC TCpY
1 CHITTARO L 1991 1 3 0.08823529
2 CHITTARO L 1993 1 1 0.03125000
3 CHITTARO L 1994 1 9 0.29032258
4 CHITTARO L 1995 3 16 0.53333333
5 CHITTARO L 1996 2 81 2.79310345
6 CHITTARO L 1997 2 27 0.96428571Stima dei coefficienti della Legge di Lotka
La funzione lotka stima i coefficienti della legge di Lotka per la produttività scientifica (Lotka A.J., 1926).
La legge di Lotka descrive la frequenza di pubblicazione degli autori in un determinato campo come una legge quadratica inversa, in cui il numero di autori che pubblicano un certo numero di articoli è un rapporto fisso rispetto al numero di autori che pubblicano un singolo articolo. Questo presupposto implica che il coefficiente beta teorico della legge di Lotka è pari a 2.
Utilizzando la funzione Lotka è possibile stimare il coefficiente Beta della nostra collezione bibliografica e valutare, attraverso un test statistico, la somiglianza di questa distribuzione empirica con quella teorica.
N.Articles N.Authors Freq
1 1 645 0.63735178
2 2 134 0.13241107
3 3 51 0.05039526
4 4 36 0.03557312
5 5 19 0.01877470
6 6 14 0.01383399Coefficiente beta:
[1] 1.132216Costante:
[1] 0.1040143Bontà di adattamento:
[1] 0.7852343P-value test a due campioni:
[1] 0.000000000001162181La tabella mostra la distribuzione osservata della produttività scientifica nel nostro esempio.
Il coefficiente Beta stimato è 1,13, con una bontà di adattamento pari a 0,78. Il test di Kolmogorov-Smirnoff a due campioni fornisce un valore di 0,00000… che significa che c’è una differenza significativa tra la distribuzione osservata e quella teorica di Lotka.
È possibile confrontare le due distribuzioni utilizzando la funzione plot:
Matrici di rete bibliografica
Gli attributi del manoscritto sono collegati tra loro attraverso il manoscritto stesso: autore/i alla rivista, parole chiave alla data di pubblicazione, ecc.
Queste connessioni di diversi attributi generano reti bipartite che possono essere rappresentate come matrici rettangolari (Manoscritti x Attributi).
Inoltre, le pubblicazioni scientifiche contengono regolarmente riferimenti ad altri lavori scientifici. Questo genera un’altra rete, quella delle co-citazioni o reti di accoppiamento.
Queste reti vengono analizzate per cogliere le proprietà significative del sistema di ricerca sottostante e, in particolare, per determinare l’influenza di unità bibliometriche come studiosi e riviste.
Reti bipartite
cocMatrix è una funzione generale per calcolare una rete bipartita selezionando uno degli attributi dei metadati.
Ad esempio, per creare una rete Manoscritto x Fonte di pubblicazione è necessario utilizzare il tag di campo “SO”.
manSource è una matrice binaria rettangolare che rappresenta una rete bipartita in cui le righe e le colonne sono rispettivamente manoscritti e fonti.
L’elemento generico \(manSource_{ij}\) è 1 se il manoscritto i è stato pubblicato nella fonte j, 0 altrimenti.
La somma della colonna j-esima \(manSource_j\) rappresenta il numero di manoscritti pubblicati nella fonte j.
Ordinando, in ordine decrescente, le somme delle colonne di manSource, si possono vedere le fonti di pubblicazione più rilevanti:
LECTURE NOTES IN COMPUTER SCIENCE (INCLUDING SUBSERIES LECTURE NOTES IN ARTIFICIAL INTELLIGENCE AND LECTURE NOTES IN BIOINFORMATICS)
245
CEUR WORKSHOP PROCEEDINGS
115
THEORETICAL COMPUTER SCIENCE
31
LEIBNIZ INTERNATIONAL PROCEEDINGS IN INFORMATICS, LIPICS
28
ACM INTERNATIONAL CONFERENCE PROCEEDING SERIES
26 Rete delle citazioni
MOSZKOWSKI B. REASONING ABOUT DIGITAL CIRCUITS (1983)
36
ALLEN J.F. MAINTAINING KNOWLEDGE ABOUT TEMPORAL INTERVALS COMMUNICATIONS OF THE ACM 26 11 PP. 832-843 (1983)
32
BRESOLIN D. GORANKO V. MONTANARI A. SCIAVICCO G. PROPOSITIONAL INTERVAL NEIGHBORHOOD LOGICS: EXPRESSIVENESS DECIDABILITY AND UNDECIDABLE EXTENSIONS ANNALS OF PURE AND APPLIED LOGIC 161 3 PP. 289-304 (2009)
25
VENEMA Y. A MODAL LOGIC FOR CHOPPING INTERVALS JOURNAL OF LOGIC AND COMPUTATION 1 4 PP. 453-476 (1991)
25
HALPERN J. SHOHAM Y. A PROPOSITIONAL MODAL LOGIC OF TIME INTERVALS JOURNAL OF THE ACM 38 4 PP. 935-962 (1991)
23 Rete degli autori: manoscritto x autore, conta quanti articoli fatti da autori
MONTANARI A CHITTARO L MIZZARO S DOVIER A POLICRITI A
196 161 130 118 109 Accoppiamento bibliografico
Si dice che due articoli sono accoppiati bibliograficamente se almeno una fonte citata compare nelle bibliografie di entrambi gli articoli (Kessler, 1963). (papers A e B sono accoppiati bibliograficamente perchè hanno citato entrambi papers C, D, E)
Una rete di accoppiamento può essere ottenuta utilizzando la formulazione generale: \[B = A\cdot A^T\] dove A è una rete bipartita.
L’elemento \(b_{i,j}\) indica quanti accoppiamenti bibliografici esistono tra i papers i e j.
B è una matrice simmetrica \(B=B^T\).
La forza dell’accoppiamento di due articoli, i e j, è definita semplicemente dal numero di riferimenti che gli articoli hanno in comune, come dato dall’elemento \(b_{ij}\) della matrice B.
(adj * trasposta(adj) rappresenta i successori in comune dei nodi, cioè gli stessi nodi che vengono collegati da i e j, nodi che collegano insieme gli stessi nodi (rappresenta la matrice degli accoppiamenti bibliografici))
La funzione biblioNetwork calcola, a partire da un data frame bibliografico, le reti di accoppiamento più frequentemente utilizzate: Autori, Fonti e Paesi.
biblioNetwork utilizza due argomenti per definire la rete da calcolare: - l’argomento di analisi può essere “citazione”, “accoppiamento”, “collaborazione” o “co-occorrenze”. - L’argomento della rete può essere “autori”, “riferimenti”, “fonti”, “paesi”, “università”, “parole chiave”, “parole_chiave_autore”, “titoli” e “abstract”.
Gli articoli con pochi riferimenti, quindi, tenderebbero a essere più debolmente accoppiati dal punto di vista bibliografico, se la forza di accoppiamento viene misurata semplicemente in base al numero di riferimenti che gli articoli contengono in comune.
Ciò suggerisce che potrebbe essere più pratico passare a una misura relativa dell’accoppiamento bibliografico.
La funzione normalizeSimilarity calcola la forza di associazione, l’inclusione, la somiglianza di Jaccard o di Salton tra i vertici di una rete. normalizeSimilarity può essere richiamata direttamente dalla funzione networkPlot() utilizzando l’argomento normalize.
vertex cluster btw_centrality clos_centrality pagerank_centrality
4 dovier a 1 5.93614719 0.03333333 0.05018926
5 policriti a 1 1.13648296 0.03125000 0.04440508
7 piazza c 1 4.98330836 0.03333333 0.04987707
11 pontelli e 1 5.02023810 0.03225806 0.04775414
12 formisano a 1 0.44835165 0.02857143 0.03713586
13 sala p 1 0.23168498 0.02941176 0.03938667
14 sciavicco g 1 10.18687979 0.03571429 0.05558548
18 peron a 1 0.48926074 0.03030303 0.04183544
19 bresolin d 1 0.23168498 0.02941176 0.03938667
20 bozzelli l 1 0.07142857 0.02857143 0.03697284
21 della monica d 1 1.13648296 0.03125000 0.04440508
23 molinari a 1 0.48926074 0.03030303 0.04183544
24 monica dd 1 3.59759407 0.03225806 0.04725540
25 goranko v 1 0.90479798 0.02941176 0.03960194
3 mizzaro s 2 6.67976190 0.02857143 0.04099937
8 piciarelli c 2 0.49682540 0.02439024 0.02461762
9 foresti gl 2 6.12301587 0.02631579 0.03510770
15 roitero k 2 3.28809524 0.02702703 0.03534667
16 scagnetto i 2 0.11111111 0.02325581 0.01909874
17 serra g 2 3.08690476 0.02631579 0.03279471
22 demartini g 2 0.10000000 0.02272727 0.01668790
1 montanari a 3 20.84640360 0.03846154 0.06179634
2 chittaro l 3 48.31068931 0.04000000 0.06733006
6 miculan m 3 6.09358974 0.02857143 0.03912209
10 fontana f 4 0.00000000 0.02173913 0.01147244-> non riesco a capire il grado per ogni nodo, segna solo grado/max grado
-> scrivere commenti a questa rete, vedendo le varie misure di centralità: vedere nodo piu centrale etc
Co-citazione bibliografica
Si parla di co-citazione di due articoli quando entrambi sono citati in un terzo articolo. La co-citazione è la frequenza con cui due documenti sono citati insieme da altri documenti. La citazione può quindi essere vista come la controparte dell’accoppiamento bibliografico. (quindi papers A e B sono associati perchè sono co-citati nella bibliografia dei papers C, D, E)
Una rete di co-citazione può essere ottenuta utilizzando la formulazione generale: \[C=A^T×A\] dove A è una rete bipartita. Due documenti sono collegati da un arco nella rete se sono citati insieme in uno o più documenti.
Come la matrice B, anche la matrice C è simmetrica. La diagonale principale di C contiene il numero di casi in cui un riferimento è citato nel nostro data frame.
In altre parole, l’elemento diagonale \(c_i\) è il numero di citazioni locali del riferimento i. L’elemento \(c_{i,j}\) rappresenta quante volte i documenti i e j sono stati co-citati insieme?
(trasposta(adj) * adj rappresenta i predecessori in comune dei nodi, cioè i e j sono collegati dallo stesso nodo di partenza, appunto il predecessore è uguale (rappresenta la matrice delle co-citazioni))
Utilizzando la funzione biblioNetwork, è possibile calcolare una rete di citazioni classiche:
-> descrivere rete con le varie misure
Main statistics about the network
Size 28248
Density 0.002
Transitivity 0.874
Diameter 24
Degree Centralization 0.025
Average path length 7.712
La rete è davvero grande e sparsa
Collaborazione autori
La rete di collaborazione scientifica è una rete in cui i nodi sono gli autori e i legami sono le coautorialità, in quanto quest’ultima è una delle forme più documentate di collaborazione scientifica (Glanzel, 2004).
Una rete di collaborazione tra autori può essere ottenuta utilizzando la formulazione generale: \[AC=A^T×A\] dove A è una rete bipartita Manoscritti x Autori.
L’elemento diagonale \(ac_i\) è il numero di papers di cui il ricercatore i è autore o coautore.
Utilizzando la funzione biblioNetwork, è possibile calcolare una rete di collaborazione tra autori:
vertex cluster btw_centrality clos_centrality pagerank_centrality
2 chittaro l 1 104.0937022 0.01724138 0.04010246
6 miculan m 1 27.7710751 0.01449275 0.02774521
8 piciarelli c 1 2.5277778 0.01234568 0.02740807
9 foresti gl 1 40.7595238 0.01538462 0.05193366
10 fontana f 1 2.0000000 0.01098901 0.01837675
17 scagnetto i 1 33.0877675 0.01470588 0.03271515
18 serra g 1 81.8256989 0.01587302 0.04862541
19 brajnik g 1 5.7349335 0.01408451 0.02630014
20 ranon r 1 5.6619048 0.01190476 0.01849130
25 micheloni c 1 1.4761905 0.01234568 0.02680649
28 tasso c 1 20.1095367 0.01515152 0.04362959
4 dovier a 2 12.9590804 0.01298701 0.03419016
5 policriti a 2 63.0502603 0.01408451 0.06050805
7 piazza c 2 6.4073260 0.01298701 0.03356030
11 lancia g 2 0.0000000 0.01010101 0.01071465
12 pontelli e 2 0.3333333 0.01041667 0.02863919
13 formisano a 2 0.0000000 0.01030928 0.02261280
1 montanari a 3 149.7373916 0.01785714 0.06829667
14 sala p 3 7.6666667 0.01369863 0.03925775
15 sciavicco g 3 65.6352227 0.01587302 0.03266792
21 peron a 3 3.9833333 0.01298701 0.03335311
22 bresolin d 3 0.0000000 0.01315789 0.02139253
23 gigante n 3 11.9320095 0.01449275 0.03294865
24 bozzelli l 3 0.0000000 0.01219512 0.02150901
27 geatti l 3 29.4044085 0.01470588 0.02748925
3 mizzaro s 4 26.0528726 0.01315789 0.04851419
16 roitero k 4 5.2903123 0.01190476 0.03181247
26 della mea v 4 6.2093599 0.01176471 0.03215018
29 demartini g 4 5.2903123 0.01190476 0.03181247
30 maddalena e 4 0.0000000 0.00990099 0.02643640-> descrivere rete con le varie misure
Collaborazione tra Paesi
Rete dei Paesi
ITALY USA UNITED KINGDOM SPAIN AUSTRALIA
1244 125 64 58 44 
node degree
italy italy 1.0000000000
usa usa 0.1472312704
united kingdom united kingdom 0.0824104235
spain spain 0.0723127036
australia australia 0.0557003257
france france 0.0517915309
denmark denmark 0.0413680782
switzerland switzerland 0.0361563518
germany germany 0.0348534202
finland finland 0.0224755700
canada canada 0.0175895765
netherlands netherlands 0.0166123779
iceland iceland 0.0153094463
south africa south africa 0.0136807818
sweden sweden 0.0127035831
turkey turkey 0.0117263844
hong kong hong kong 0.0117263844
new zealand new zealand 0.0097719870
portugal portugal 0.0094462541
czech republic czech republic 0.0091205212
israel israel 0.0081433225
macedonia macedonia 0.0078175896
romania romania 0.0068403909
austria austria 0.0061889251
serbia serbia 0.0061889251
poland poland 0.0058631922
belgium belgium 0.0058631922
japan japan 0.0055374593
china china 0.0048859935
india india 0.0048859935
north macedonia north macedonia 0.0045602606
ireland ireland 0.0045602606
lithuania lithuania 0.0045602606
slovenia slovenia 0.0035830619
united arab emirates united arab emirates 0.0032573290
chile chile 0.0029315961
saudi arabia saudi arabia 0.0029315961
greece greece 0.0026058632
iran iran 0.0026058632
korea korea 0.0026058632
bulgaria bulgaria 0.0016286645
egypt egypt 0.0013029316
hungary hungary 0.0009771987
mexico mexico 0.0009771987ovviamente italia paese con piu collegamenti, segue usa, uk e spagna
Rete storica delle citazioni dirette
La mappa storiografica è un grafo proposto da E. Garfield (2004) per rappresentare una mappa di rete cronologica delle citazioni dirette più rilevanti risultanti da una raccolta bibliografica.
La funzione genera una matrice cronologica della rete di citazioni dirette che può essere tracciata con histPlot:
Legend
Label
1 BRESOLIN D, 2014, ANN MATH ARTIF INTELL
2 BRESOLIN D, 2014, ANN MATH ARTIF INTELL
3 MOLINARI A, 2016, ACTA INFORM
4 BOZZELLI L, 2018, ACM TRANS COMPUT LOG
5 BRESOLIN D, 2010, J LOGIC COMPUT
6 BRESOLIN D, 2014, THEOR COMPUT SCI
7 MONTANARI A, 2010, LEIBNIZ INT PROC INFORMATICS, LIPICS
8 MONTANARI A, 2010, LECT NOTES COMPUT SCI
9 ROITERO K, 2018, J DATA INF QUAL
10 ROITERO K, 2018, J DATA INF QUAL
11 ROITERO K, 2018, J DATA INF QUAL-a
12 ROITERO K, 2020, INF PROCESS MANAGE
13 ROITERO K, 2020, SIGIR - PROC INT ACM SIGIR CONF RES DEV INF RETR
14 MIZZARO S, 2007, PROC ANNU INT ACM SIGIR CONF RES DEV INF RETR
15 BOZZELLI L, 2016, LECT NOTES COMPUT SCI
16 BRESOLIN D, 2007, LECT NOTES COMPUT SCI-a-b
17 MOLINARI A, 2015, LEIBNIZ INT PROC INFORMATICS, LIPICS
18 BRESOLIN D, 2011, PROC SYMP LOGIC COMPUT SCI
19 BRESOLIN D, 2008, LECT NOTES COMPUT SCI
20 BRESOLIN D, 2008, LECT NOTES COMPUT SCI
21 BRESOLIN D, 2007, J AUTOM REASONING
22 GORANKO V, 2003, J UNIVERS COMPUT SCI
Author_Keywords
1 INTERVAL TEMPORAL LOGIC; TILING PROBLEMS; UNDECIDABILITY
2 COMPLEXITY; DECIDABILITY; INTERVAL TEMPORAL LOGIC; TABLEAU METHODS
3
4 EXPRESSIVENESS; MODEL CHECKING; NTERVAL TEMPORAL LOGICS
5
6 COMPLEXITY; DECIDABILITY; DISCRETE LINEAR ORDERS; EXPRESSIVENESS; INTERVAL TEMPORAL LOGICS
7 COMPASS STRUCTURES; COMPLEXITY; DECIDABILITY; INTERVAL TEMPORAL LOGICS
8
9 EVOLUTIONARY ALGORITHMS; FEW TOPICS; REPRODUCIBILITY; TEST COLLECTION; TOPIC SELECTION STRATEGY; TOPIC SETS
10 AUTOMATIC RETRIEVAL EVALUATION; FEW TOPICS; RELEVANCE JUDGMENTS; REPRODUCIBILITY; TEST COLLECTIONS; TOPIC DIFFICULTY
11 <NA>
12 AUTOMATIC EVALUATION; INFORMATION RETRIEVAL EVALUATION; MACHINE LEARNING; TOPIC DIFFICULTY
13 CLASSIFICATION; CROWDSOURCING; INFORMATION CREDIBILITY
14 IR EVALUATION; KLEINBERG'S HITS ALGORITHM; SOCIAL NETWORK ANALYSIS; TREC
15
16 <NA>
17 COMPLEXITY; INTERVAL TEMPORAL LOGIC; MODEL CHECKING
18
19
20
21 INTERVAL TEMPORAL LOGIC; RIGHT PROPOSITIONAL NEIGHBORHOOD LOGIC; TABLEAUX-BASED DECISION PROCEDURES
22 AXIOMATIC SYSTEMS; INTERVAL TEMPORAL LOGIC; TABLEAU SYSTEMS
KeywordsPlus
1
2
3 HYDRAULIC STRUCTURES; TEMPORAL LOGIC; INTERVAL LOGIC; INTERVAL TEMPORAL LOGIC; KRIPKE STRUCTURE; LOWER BOUNDS; MODEL CHECKING PROBLEM; SMALL MODEL THEOREM; TEMPORAL AGGREGATION; TEMPORAL RELATION; MODEL CHECKING
4 COMPUTER CIRCUITS; HYDRAULIC STRUCTURES; MODEL CHECKING; SEMANTICS; COMPONENT STATE; COMPUTATION TREES; EXPRESSIVENESS; INTERVAL TEMPORAL LOGIC; KRIPKE STRUCTURE; LOGIC MODEL CHECKING; STANDARD LOGIC; TRACE-BASED SEMANTICS; TEMPORAL LOGIC
5 COMPUTER SCIENCE; FORMAL LOGIC; DECISION PROCEDURE; LINEAR ORDERINGS; PSEUDO-MODELS; PSPACE COMPLETENESS; SPECIAL TREATMENTS; SUB-INTERVAL; SUBINTERVALS; THEOREM PROVERS; LOGIC PROGRAMMING
6 COMPUTABILITY AND DECIDABILITY; HYDRAULIC STRUCTURES; COMPLEXITY; EXPRESSIVE POWER; EXPRESSIVENESS; INTERVAL STRUCTURES; INTERVAL TEMPORAL LOGIC; LINEAR ORDER; SATISFIABILITY PROBLEMS; TEMPORAL REASONING; TEMPORAL LOGIC
7 COMPUTABILITY AND DECIDABILITY; COMPUTER SCIENCE; COMPLEXITY; INTERVAL TEMPORAL LOGIC; NATURAL NUMBER; POINT-BASED; SATISFIABILITY PROBLEMS; SMALL MODEL THEOREM; TEMPORAL LOGIC
8 LINGUISTICS; TEMPORAL LOGIC; TRANSLATION (LANGUAGES); ALLEN'S INTERVAL ALGEBRA; INTERVAL TEMPORAL LOGIC; LINEAR ORDER; MODAL LOGIC; MODAL OPERATORS; NATURAL TIME; NEIGHBORHOOD LOGIC; SATISFIABILITY PROBLEMS; COMPUTABILITY AND DECIDABILITY
9 INFORMATION RETRIEVAL SYSTEMS; SEARCH ENGINES; FEW TOPICS; REPRODUCIBILITIES; TEST COLLECTION; TOPIC SELECTION STRATEGY; TOPIC SETS; EVOLUTIONARY ALGORITHMS
10 INFORMATION RETRIEVAL SYSTEMS; AUTOMATIC RETRIEVAL; FEW TOPICS; RELEVANCE JUDGMENT; REPRODUCIBILITIES; TEST COLLECTION; TOPIC DIFFICULTY; SEARCH ENGINES
11 <NA>
12 DATA FUSION; LEARNING SYSTEMS; AUTOMATIC EVALUATION; COMBINATION STRATEGIES; DATA FUSION TECHNIQUE; EFFECTIVENESS EVALUATION; RELEVANCE JUDGMENT; RETRIEVAL EFFECTIVENESS; SYSTEMATIC ANALYSIS; TOPIC DIFFICULTY; MACHINE LEARNING
13 CROWDSOURCING; INFORMATION RETRIEVAL; EXPERT JUDGMENT; GRANULARITY LEVELS; INFORMATION CREDIBILITIES; MEDICAL DOCTORS; RESEARCH QUESTIONS; LARGE SCALE SYSTEMS
14 DATA ACQUISITION; ELECTRIC NETWORK ANALYSIS; GRAPH THEORY; IR EVALUATION; KLEINBERG'S HITS ALGORITHM; SOCIAL NETWORK ANALYSIS; SYSTEMS-TOPICS GRAPH; INFORMATION RETRIEVAL
15 COMPUTER CIRCUITS; RECONFIGURABLE HARDWARE; TEMPORAL LOGIC; INTERVAL TEMPORAL LOGIC; LOWER BOUNDS; MODAL LOGIC; MODEL CHECKING PROBLEM; NEIGHBOURHOOD; POINT-BASED; PSPACE-COMPLETE; TIME INTERVAL; MODEL CHECKING
16 <NA>
17 COMPUTER CIRCUITS; HYDRAULIC STRUCTURES; RECONFIGURABLE HARDWARE; TEMPORAL LOGIC; COMPLEXITY; EFFECTIVE TOOL; ELEMENTARY MODEL; INTERVAL LOGIC; INTERVAL TEMPORAL LOGIC; KRIPKE STRUCTURE; SYSTEM VERIFICATIONS; TIME INTERVAL; MODEL CHECKING
18 COMPUTATION THEORY; HYDRAULIC STRUCTURES; SEMANTICS; TEMPORAL LOGIC; COMPLETE CLASSIFICATION; INTERVAL LOGIC; LINEAR ORDER; MODAL LOGIC; NATURAL SEMANTICS; TEMPORAL STRUCTURES; UNDECIDABILITY; COMPUTABILITY AND DECIDABILITY
19 ARTIFICIAL INTELLIGENCE; AUTOMATA THEORY; COMPUTABILITY AND DECIDABILITY; HYDRAULIC STRUCTURES; COMPLETE CLASSIFICATIONS; INTERVAL STRUCTURES; INTERVAL TEMPORAL LOGICS; MODAL LOGICS; MODAL OPERATORS; TEMPORAL STRUCTURES; TIME INTERVALS; UNDECIDABILITY; UNDECIDABILITY RESULTS; TEMPORAL LOGIC
20 BIONICS; COMPUTABILITY AND DECIDABILITY; COMPUTER SCIENCE; INFORMATION THEORY; DECISION PROCEDURES; INTERVAL LOGICS; INTERVAL TEMPORAL LOGICS; LINEAR ORDERS; NEIGHBORHOOD LOGICS; ORDERED DOMAINS; PROPOSITIONAL LANGUAGES; RESEARCH AREAS; SPECIFIC CLASSES; SUB INTERVALS; TEMPORAL STRUCTURES; ARTIFICIAL INTELLIGENCE
21 COMPUTABILITY AND DECIDABILITY; COMPUTATIONAL COMPLEXITY; DECISION THEORY; SEMANTICS; INTERVAL TEMPORAL LOGIC; RIGHT PROPOSITIONAL NEIGHBORHOOD LOGIC; TABLEAUX-BASED DECISION PROCEDURES; TEMPORAL LOGIC
22
DOI Year LCS GCS
1 10.1007/s10472-013-9376-4 2014 25 38
2 10.1007/s10472-013-9337-y 2014 2 22
3 10.1007/s00236-015-0250-1 2016 22 42
4 10.1145/3281028 2018 22 17
5 10.1093/logcom/exn063 2010 33 49
6 10.1016/j.tcs.2014.03.033 2014 13 36
7 10.4230/LIPIcs.STACS.2010.2488 2010 18 34
8 10.1007/978-3-642-14162-1_29 2010 26 54
9 10.1145/3239573 2018 17 4
10 10.1145/3241064 2018 17 5
11 <NA> NA NA NA
12 10.1016/j.ipm.2019.102149 2020 30 7
13 10.1145/3397271.3401112 2020 15 34
14 10.1145/1277741.1277824 2007 18 68
15 10.1007/978-3-319-40229-1_27 2016 14 18
16 <NA> NA NA NA
17 10.4230/LIPIcs.CSL.2015.193 2015 15 18
18 10.1109/LICS.2011.35 2011 13 27
19 10.1007/978-3-540-89439-1_41 2008 17 44
20 10.1007/978-3-540-87803-2_7 2008 11 17
21 10.1007/s10817-006-9051-0 2007 26 37
22 2003 23 64Analisi parole chiave
Rete parole chiave
Rete Keyword Scopus
COMPUTER CIRCUITS SEMANTICS TEMPORAL LOGIC LOGIC PROGRAMMING ARTIFICIAL INTELLIGENCE
121 97 94 91 87 Rete co-occorrenze parole chiave
vertex cluster btw_centrality clos_centrality pagerank_centrality
6 information retrieval 1 19.5440476 0.02127660 0.02312126
8 algorithms 1 12.9112554 0.02083333 0.04849195
12 virtual reality 1 18.6545455 0.02000000 0.01642496
17 mobile devices 1 71.5831169 0.02380952 0.01835430
19 computer simulation 1 47.1402597 0.02272727 0.03406490
20 deep learning 2 1.0833333 0.01369863 0.01221384
23 human 2 0.2500000 0.01666667 0.03684086
24 humans 2 2.1166667 0.01724138 0.03437656
25 article 2 14.5251082 0.01886792 0.03018056
1 computer circuits 3 0.0000000 0.01388889 0.08820886
2 semantics 3 0.5928571 0.01538462 0.06530626
3 logic programming 3 18.3980519 0.01639344 0.05627130
4 temporal logic 3 2.8190476 0.01612903 0.07092624
7 automata theory 3 3.7159091 0.01666667 0.04178205
9 computability and decidability 3 10.3902597 0.01754386 0.04372405
10 model checking 3 1.7083333 0.01639344 0.04777148
13 formal logic 3 0.4837662 0.01515152 0.04409430
14 computation theory 3 29.0920996 0.02000000 0.04036151
15 computer programming languages 3 3.3187229 0.01960784 0.03986053
21 algebra 3 0.8333333 0.01388889 0.03245140
22 calculations 3 7.7143939 0.01724138 0.02372588
5 artificial intelligence 4 5.2016234 0.01851852 0.05125958
11 computer science 4 22.4591991 0.01923077 0.03355208
16 problem solving 4 28.2877706 0.02127660 0.03360397
18 mathematical models 4 6.1202381 0.01886792 0.03303133vediamo che ci sono quattro clusters, descriverli?
Main statistics about the network
Size 6244
Density 0.004
Transitivity 0.233
Diameter 6
Degree Centralization 0.116
Average path length 2.977
Word cloud
parole chiavi più presenti: computer circuits, semantics, logic programming
Mappa tematica
L’analisi delle co-parole chiave disegna cluster di parole chiave. Questi vengono considerati come temi, la cui densità e centralità possono essere utilizzate per classificare i temi e mapparli in un diagramma bidimensionale.
La mappa tematica è un diagramma molto intuitivo e possiamo analizzare i temi in base al quadrante in cui sono collocati: (1) quadrante in alto a destra: temi motori; (2) quadrante in basso a destra: temi di base; (3) quadrante in basso a sinistra: temi emergenti o in via di estinzione; (4) quadrante in alto a sinistra: temi molto specializzati/di nicchia.
# A tibble: 6 × 11
groups words name_full n centrality density rcentrality rdensity name color freq
<dbl> <chr> <chr> <int> <dbl> <dbl> <dbl> <dbl> <chr> <chr> <dbl>
1 1 "virtual reality 53\nmobile devices … virtual … 68 2.00 21.2 3 5 virt… #E41… 981
2 2 "algorithms 63\ncomputer simulation … algorith… 40 2.88 12.2 5 1 algo… #377… 620
3 3 "semantics 97\nlogic programming 91\… semantics 70 3.55 14.3 6 3 sema… #4DA… 1492
4 4 "information retrieval 71\nwebsites … informat… 17 0.707 12.4 2 2 info… #984… 325
5 5 "computer circuits 121\ntemporal log… computer… 49 2.20 18.9 4 4 comp… #FF7… 1113
6 6 "finite element method 17\nheat conv… finite e… 6 0.100 24.4 1 6 fini… #A65… 55Conclusioni?
sskskskk